一、libsvm工具包

1.下载libsvm工具箱，libsvm工具箱下载网站libsvm网站(LIBSVM -- A Library for Support Vector Machines (ntu.edu.tw))，或者直接从github上下载，一般是下载zip压缩文件，解压后如图。

其中有java，matlab和python 三种版本，以及测试数据集heart_scale，和readme说明文件（内有Libsvm的参数说明）。

2.由于是matlab，那么就需要将解压后文件夹里面的windows文件移动到matlab里面去，一般系统安装的matlab里面有toolbox文件。

3.在matlab中设置路径

4.以上步骤就安装的差不多的，接下来要看电脑有没有编译器。查看编译器的方法：

　　在matlab里面输入mex -setup/mex -setup -v（查找版本）出现这个则有编译器

（1若是能找到c++编译器，可直接尝试在命令行窗口输入make，执行make.m程序进行编译，完成后出现4个后缀为.mexw64文件）

（2若没能找到C++编译器，编译失败或者一系列不明error，请参考下第二部分：MinGW64配置 ，按其步骤进行）

　　在命令行窗口中输入make进行编译【注意：如果有z黄色警告模式，说明编译器和matlab的版本不适合，需要重新选择编译器的版本，或者下更高版本的matlab(但是我没管)】

5.测试

按照网上最常见的测试方法，来进行测试。

将Libsvm文件下的测试数据集heart_scale复制到Libsvm\matlab下，后续的操作将在该文件夹下进行，同时将MATLAB工作路径转至该文件下（在MATLAB中也可完成文件的复制粘贴工作）。

在命令行窗口输入：

注意：

1.测试svmtrain的输入第一个是标签，第二个数样本，跟matlab自带的svmtrain是相反的。

2.”svmtrain“调用svmtrain.exe，heart_scale存放训练样本的文件，train.model保存最后训练出来的模型。

[heart_scale_label,heart_scale_inst]=libsvmread('heart_scale');
 model = svmtrain(heart_scale_label,heart_scale_inst) ;
[predict_label,accuracy,dec_values] = svmpredict(heart_scale_label,heart_scale_inst,model);

如果输出为:

#iter：为迭代次数
nu：为nu-SVC, one-class SVM, and nu-SVR三种类型SVM指定的核函数的参数，默认为0.5
obj：为SVM文件转换为二次规划求解得到的最小值
rho：为判决函数的偏置项b
nSV：为标准支持向量个数
nBSV: 边界上支持向量的个数
Total nSV ：支持向量的总的个数